二元多类回归预测的评价
prediction-evaluation的Python项目详细描述
#DATS6450最终项目
--
该软件包是基于目标变量和模型预测的机器学习模型预测和性能评估的可视化软件包。
有三种模型预测：
*二元分类评估
*多类分类评估
*回归evaluation
二元分类
*混淆矩阵图
*roc评分和auc评分
*精度、召回率和f1评分表
2。多类分类
*混淆矩阵
*roc评分和auc图
*精确性、召回率和f1评分表
3。回归
*平均绝对误差（mae）
*均方误差（mse）
*r^2得分
*残差图
<；a rel=“license”href=“http://creative commons.org/licenses/by nc/4.0/”>；<；img alt=“Creative Commons License”style=“border width:0”src=“https://i.creativecommons.org/l/by-nc/4.0/88x31.png”/>；<；/a>；<；br/>；这项工作是根据a<；a rel=“license”href=“http://creative commons.org/licenses/by nc/4.0/”>；Creative Commons Attribution Non-Commercial 4.0 International License<；/a>；授权的。
--
该软件包是基于目标变量和模型预测的机器学习模型预测和性能评估的可视化软件包。
有三种模型预测：
*二元分类评估
*多类分类评估
*回归evaluation
二元分类
*混淆矩阵图
*roc评分和auc评分
*精度、召回率和f1评分表
2。多类分类
*混淆矩阵
*roc评分和auc图
*精确性、召回率和f1评分表
3。回归
*平均绝对误差（mae）
*均方误差（mse）
*r^2得分
*残差图
<；a rel=“license”href=“http://creative commons.org/licenses/by nc/4.0/”>；<；img alt=“Creative Commons License”style=“border width:0”src=“https://i.creativecommons.org/l/by-nc/4.0/88x31.png”/>；<；/a>；<；br/>；这项工作是根据a<；a rel=“license”href=“http://creative commons.org/licenses/by nc/4.0/”>；Creative Commons Attribution Non-Commercial 4.0 International License<；/a>；授权的。
欢迎加入QQ群-->： 979659372
